一种MIRNA调控蛋白质相互作用网络的MIRNA靶蛋白预测方法.pdf

本发明公开了一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法，包括如下步骤：首先构建三个子网络：基于HIPPIE的人类蛋白质‑蛋白质相互作用网络、基于mirTARbase的miRNA‑靶蛋白网络和基于靶蛋白重叠构造的miRNA‑miRNA网络；然后根据蛋白质的获得号和miRNA分子在miRbase数据库中的ID号，合并三个子网络，构建融合的miRNA‑靶蛋白关联关系网络；最后基于牵连犯罪原则，表征miRNA‑靶蛋白的关联特征，使用随机森林构建分类预测模型，预测潜在miRNA与靶蛋白相互作用关联关系。本发明方法能更好地研究miRNA调控靶蛋白的多对多关系，具有较好的应用价值。

1.一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法，其特征在于，包括如
下步骤：
S1.分别构建以下三个子网络：
基于HIPPIE的人类蛋白质-蛋白质相互作用网络、基于mirTARbase的miRNA-靶蛋白网
络和基于靶蛋白重叠构造的miRNA-miRNA网络；
S2.构建融合的miRNA-靶蛋白关联关系网络：
根据蛋白质的获得号和miRNA分子在miRbase数据库中的ID号，合并三个子网络，构建
融合的miRNA-靶蛋白关联关系网络，包含163739条边和14265个节点；其中，153749条边表
示蛋白质-蛋白质相互作用，4634条边表示miRNA-miRNA关系，5356条边表示miRNA-靶蛋白
相互作用；在所有的节点中，14086个是蛋白质，179个是miRNA；
S3.表征miRNA-靶蛋白的关联特征，预测潜在miRNA与靶蛋白相互作用关联关系
S31.基于牵连犯罪原则，计算miRNA与人类蛋白的网络拓扑特征
采用公式(1)计算miRNA(r)的网络拓扑结构特征、采用公式(2)计算靶蛋白p的网络拓
扑结构特征、通过公式(3)得到一个1960维的网络拓扑特征向量来描述miRNA和其靶蛋白的
关联关系：
${\mathrm{RNTF}}_r=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{R}_r\left(i\right)\×E_{r,j}\×R_j\left(i\right),(i=1,2,\mathrm{......},193)---\left(1\right)$
${\mathrm{PNTF}}_p=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{P}_p\left(i\right)\×E_{p,j}\×P_j\left(i\right),(i=1,2,\mathrm{......},1767)---\left(2\right)$
${\mathrm{RPNTF}}_{r,p}={\mathrm{RNTF}}_r\⊕{\mathrm{PNTF}}_p---\left(3\right);$
S32.使用随机森林构建分类预测模型，预测潜在的miRNA与人类蛋白的相互作用关系。
2.根据权利要求1所述的方法，其特征在于，步骤S1中所述基于HIPPIE的人类蛋白质-
蛋白质相互作用网络的构建方法如下：
从HIPPIE数据库下载整个人类蛋白质-蛋白质相互作用数据，去除自相互作用、重复相
互作用以及相互作用得分为0的相互作用；根据蛋白质获得号，从UniprotKB/Swiss-Prot数
据库获取蛋白质序列信息，计算氨基酸组成、二肽组成、自相关描述符和组成、转变和分布
共1767维蛋白质一级结构描述符；
基于收集的信息，构建节点和边加权的人类蛋白质-蛋白质相互作用子网络；蛋白质网
络中节点权重是蛋白质1767维蛋白质一级结构描述符，边权重是蛋白质相互作用信任得
分；其中相互作用信任得分是蛋白质之间相互作用程度，数值介于0～1之间，数值越大，作
用程度越高，数值越小，作用程度越小。
3.根据权利要求1所述的方法，其特征在于，步骤S1中所述基于mirTARbase的miRNA-靶
蛋白网络的构建方法如下：
从mirTARbase中搜集并整理miRNA-靶蛋白相互作用数据，根据miRNA的序列和结构信
息，计算核酸序列的组成、二核苷酸序列组成、三核苷酸序列组成、基于K-mer分类的组成和
伪二核苷酸组成，得到193个miRNA序列结构描述符；基于收集的数据构建miRNA-靶蛋白互
作网络；
在miRNA-靶蛋白互作网络中，miRNA节点权重是193维miRNA序列的结构描述符，靶蛋白
节点权重是1767维蛋白质一级结构描述符；如果miRNA和靶蛋白发生相互作用，则用一条边
连接，且边的权重为1。
4.根据权利要求1所述的方法，其特征在于，步骤S1中所述基于靶蛋白重叠构造的
miRNA-miRNA网络的构建方法如下：
根据miRNA-靶蛋白相互作用数据，利用靶蛋白重叠的显著性来确定miRNA之间的关联
关系，构建miRNA-miRNA网络。
5.根据权利要求4所述的方法，其特征在于，所述靶蛋白重叠的显著性的计算方法为：
如果两个miRNA具有共同的靶蛋白，则这miRNA相互之间用一条边连接，且边权重为
并介于[0，1]之间；其中|A|和|B|分别表示miRNA1和miRNA2的靶蛋白集的
数目，|C|表示它们共同靶蛋白数目，min(|A|，|B|)表示靶蛋白集A和B之间的最小数；节点
权重是193维的miRNA序列结构描述符。
6.根据权利要求1所述的方法，其特征在于，S31所述基于牵连犯罪原则计算miRNA与人
类蛋白的网络拓扑特征的具体方法如下：
首先，查找miRNA-miRNA网络中，节点为r的miRNA，表示为miRNA(r)，其邻接miRNA总数
为N；考虑miRNA(r)的节点权重，与邻接miRNA的边权重和节点权重信息，采用公式(1)计算
miRNA(r)的网络拓扑结构特征；公式(1)中，R_r(i)和R_j(i)分别代表miRNA-miRNA网络中
miRNA(r)及其邻接点miRNA(j)的节点权重。E_r，j代表miRNA(r)与其邻接点miRNA(j)之间的
边权重。根据这个公式可知，RNTF_r是一个具有193维的特征向量。如果网络中的miRNA无邻
接点，则定义RNTF_r＝R_r；
其次，从人类蛋白质-蛋白质相互作用网络中查找靶蛋白p的邻接蛋白质，考虑靶蛋白p
的节点权重，与邻接蛋白的边权重和节点权重，采用公式(2)计算靶蛋白p的网络拓扑结构
特征；公式(2)中，P_p(i)和P_j(i)分别代表人类蛋白质-蛋白质网络中靶蛋白p和其邻接蛋白j
的节点权重；E_p，j代表靶蛋白p与其邻接蛋白j之间的边权重。N是邻接点的数目。根据这个公
式可知，PNTF_p是一个具有1767维的特征向量。如果网络中靶蛋白p无邻接点，则定义PNTF_p＝
P_p；
最后，同时考虑miRNA和靶蛋白的网络拓扑结构信息，通过公式(3)得到一个1960维的
网络拓扑特征向量来描述miRNA和其靶蛋白的关联关系。

一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法

技术领域

本发明属于生物信息学及分子生物学技术领域。更具体地，涉及一种miRNA调控蛋
白质相互作用网络的miRNA靶蛋白预测方法。

背景技术

microRNA(miRNA)是一种长度仅为20～24nt的非编码单链小分子RNA，具有高度保
守性，时序性和组织特异性。成熟的miRNA 5′端有一个磷酸基团，3′端为羟基，由具有发夹
状结构的约70～90nt的单链RNA前体经过Dicer酶加工后形成。成熟的miRNA形成RNA诱导的
基因沉默复合体(RNA-induced silencingcomplex，RISC)作用于靶点mRNA，通过对靶mRNA
剪切或抑制其翻译过程而调控基因的表达。

miRNA功能的获得或缺失，与各种疾病的发生、发展都有着密切的关系。蛋白质功
能既可以直接、也可以间接地受miRNA分子的调控。miRNA网络较于其它生物网络有以下几
个优势：miRNA位于基因信号传导的上游，因而miRNA的表达变化更灵敏，且发生在蛋白质的
表达变化之前。此外，miRNA可以较方便地在血液循环中检测到，因而适合于作为疾病诊断
的灵敏指标，具有现实意义。因此，在miRNA调控蛋白质互作网络层面上识别miRNA和蛋白质
之间关系，有助于我们更好地理解致病机理。

miRNA与靶蛋白的关联性，可以采用以下实验方法，包括：基于交联免疫沉淀的高
通量测序分析交联免疫沉淀(HITS-CLIP)技术、光活性增强的核糖核苷交联免疫沉淀(PAR-
CLIP)技术和CLASH(crosslinking ligation and sequencing of hybrids)技术，这些方
法能得出miRNA-mRNA结合位点及与已知miRNA相互作用的mRNA。生物信息学的预测方法是
分析miRNA的靶标mRNA的热力学参数及进化保守性，达到预测miRNA靶标目的，如
TargetScan、PicTar、PITA、miRanda、DIANA-microT-CDS等。这些方法各有各的优缺点。实验
方法可以给出miRNA与靶mRNA的调控关系，但实验价格昂贵且只能得出单个分子与单个分
子的相互作用。计算方法快速且便宜，可提供大量可能的相互作用，但假阳性高且缺乏
miRNA在特定的细胞或组织中对靶mRNA动态调控关系。

发明内容

本发明要解决的技术问题是克服上述现有技术的缺陷和不足，为了更好地理解
miRNA与靶蛋白的“多对多”关系，从生物网络的层面，通过构建miRNA-miRNA网络、miRNA-蛋
白质网络和蛋白质-蛋白质互作网络三个网络，预测miRNA的靶蛋白。

本发明的目的是提供一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方
法。

本发明上述目的通过以下技术方案实现：

在miRNA-蛋白质互作关系的预测模型的构建当中，如何判定miRNA与蛋白质的关
联关系是关键。

本发明提出了预测miRNA与蛋白质潜在关联关系的方法，基于拓扑特征和牵连犯
罪(guilt-by-association)构建人类蛋白质-蛋白质互作网络、miRNA-miRNA网络、miRNA-
蛋白质网络这三个互作网络，结合随机森林算法，建立模型对特征属性进行分类判别，预测
潜在的miRNA与蛋白质的关联关系。

即本发明提出了一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法，该
方法的具体步骤如下：

S1.分别构建以下三个子网络：

基于HIPPIE的人类蛋白质-蛋白质相互作用网络(PPIN)、基于mirTARbase的
miRNA-靶蛋白网络(miRNATarN)和基于靶蛋白重叠构造的miRNA-miRNA网络(miRNAIN)；

S2.构建融合的miRNA-靶蛋白关联关系网络：

根据蛋白质的获得号和miRNA分子在miRbase数据库中的ID号，合并三个子网络，
构建融合的miRNA-靶蛋白关联关系网络，包含163739条边和14265个节点；其中，153749条
边表示蛋白质-蛋白质相互作用，4634条边表示miRNA-miRNA关系，5356条边表示miRNA-靶
蛋白相互作用；在所有的节点中，14086个是蛋白质，179个是miRNA；

S3.表征miRNA-靶蛋白的关联特征，预测潜在miRNA与靶蛋白相互作用关联关系
(使用牵连犯罪原则来描述miRNA与蛋白质的关联情况)

S31.基于牵连犯罪原则，计算miRNA与人类蛋白的网络拓扑特征

采用公式(1)计算miRNA(r)的网络拓扑结构特征、采用公式(2)计算靶蛋白p的网
络拓扑结构特征、通过公式(3)得到一个1960(193+1767)维的网络拓扑特征向量来描述
miRNA和其靶蛋白的关联关系：

S32.使用随机森林(RF)构建分类预测模型，预测潜在的miRNA与人类蛋白的相互
作用关系。

具体所述牵连犯罪原则如图3所示，牵连犯罪原则表明，若蛋白质的邻居蛋白质大
部分都与某种miRNA相互作用，那么该蛋白质更倾向于与该miRNA相互作用。在图3的PPIN
中，P2蛋白质的邻居P1和P3均与mir-3相互作用(黄色实线表示)，那么根据牵连犯罪原则，
P2蛋白质很可能与mir-3相互作用(蓝色虚线表示)。miRNAIN代表miRNA-miRNA网络，红色实
线表示miRNA间的相互作用。miRNATarN代表miRNA-靶蛋白网络，黄色实线表示实验验证的
miRNA与靶蛋白之间的相互作用。

另外，优选地，步骤S1中所述基于HIPPIE的人类蛋白质-蛋白质相互作用网络
(PPIN)的构建方法如下：

从HIPPIE数据库下载整个人类蛋白质-蛋白质相互作用数据，去除自相互作用、重
复相互作用以及相互作用得分为0的相互作用；根据蛋白质获得号，从UniprotKB/Swiss-
Prot数据库获取蛋白质序列信息(序列信息即一级结构数据)，计算氨基酸组成(20维)、二
肽组成(400维)、自相关描述符和组成(1221维)、转变(21维)和分布(105维)等共1767维蛋
白质一级结构描述符(一级结构描述符即一级结构特征)；

基于收集的信息，构建节点和边加权的人类蛋白质-蛋白质相互作用子网络；蛋白
质网络中节点权重是蛋白质1767维蛋白质一级结构描述符，边权重是蛋白质相互作用信任
得分；其中相互作用信任得分是蛋白质之间相互作用程度，数值介于0～1之间，数值越大，
作用程度越高，数值越小，作用程度越小。

优选地，步骤S1中所述基于mirTARbase的miRNA-靶蛋白网络(miRNATarN)的构建
方法如下：

从mirTARbase中搜集并整理miRNA-靶蛋白相互作用数据，根据miRNA的序列和结
构信息，计算核酸序列的组成(4维)、二核苷酸序列组成(16维)、三核苷酸序列组成(64维)、
基于K-mer分类的组成(90维)和伪二核苷酸组成(19维)，得到193个miRNA序列结构描述符；
基于收集的数据构建miRNA-靶蛋白互作网络；

在miRNA-靶蛋白互作网络中，miRNA节点权重是193维miRNA序列的结构描述符，靶
蛋白节点权重是1767维蛋白质一级结构描述符；如果miRNA和靶蛋白发生相互作用，则用一
条边连接，且边的权重为1。

优选地，步骤S1中所述基于靶蛋白重叠构造的miRNA-miRNA网络(miRNAIN)的构建
方法如下：

大量研究表明，miRNA之间有协同调控作用，如mir-375、mir-124、let-7b共同调控
Mtpn(肌侵蛋白)；因此，根据miRNA-靶蛋白相互作用数据，利用靶蛋白重叠的显著性来确定
miRNA之间的关联关系，构建miRNA-miRNA网络。

所述靶蛋白重叠的显著性的计算方法为：如图2所示，如果两个miRNA具有共同的
靶蛋白，则这miRNA相互之间用一条边连接，且边权重为并介于[0，1]之间；
其中|A|和|B|分别表示miRNA1和miRNA2的靶蛋白集的数目，|C|表示它们共同靶蛋白数目，
min(|A|，|B|)表示靶蛋白集A和B之间的最小数；节点权重是193维的miRNA序列结构描述
符。

优选地，S31所述基于牵连犯罪原则计算miRNA与人类蛋白的网络拓扑特征的具体
方法如下：

首先，查找miRNA-miRNA网络中，节点为r的miRNA，表示为miRNA(r)，其邻接miRNA
总数为N；考虑miRNA(r)的节点权重，与邻接miRNA的边权重和节点权重信息，采用公式(1)
计算miRNA(r)的网络拓扑结构特征；公式(1)中，R_r(i)和R_j(i)分别代表miRNA-miRNA网络中
miRNA(r)及其邻接点miRNA(j)的节点权重。E_r，j代表miRNA(r)与其邻接点miRNA(j)之间的
边权重。根据这个公式可知，RNTF_r是一个具有193维的特征向量。如果网络中的miRNA无邻
接点，则定义RNTF_r＝R_r；

其次，从人类蛋白质-蛋白质相互作用网络中查找靶蛋白p的邻接蛋白质，考虑靶
蛋白p的节点权重，与邻接蛋白的边权重和节点权重，采用公式(2)计算靶蛋白p的网络拓扑
结构特征；公式(2)中，P_p(i)和P_j(i)分别代表人类蛋白质-蛋白质网络中靶蛋白p和其邻接
蛋白j的节点权重；E_p，j代表靶蛋白p与其邻接蛋白j之间的边权重。N是邻接点的数目。根据
这个公式可知，PNTF_p是一个具有1767维的特征向量。如果网络中靶蛋白p无邻接点，则定义
PNTF_p＝P_p；

最后，同时考虑miRNA和靶蛋白的网络拓扑结构信息，通过公式(3)得到一个1960
(193+1767)维的网络拓扑特征向量来描述miRNA和其靶蛋白的关联关系。

另外，随机森林是一种组合方法，由许多的决策树组成，因为这些决策树的形成采
用了随机的方法，因此也叫做随机决策树。随机森林中的树之间是没有关联的，当测试数据
进入随机森林时，让每一棵决策树进行分类，最后取所有决策树中分类结果最多的那类为
最终的结果。步骤S32所述使用随机森林(RF)构建分类预测模型预测潜在的miRNA与人类蛋
白的相互作用关系的具体方法为(即模型构建与性能评价)：

本方法使用随机森林机器学习方法作为训练模型，算法来源于scikit-learn
(http://scikit-learn.org/stable/)工具包，整个程序使用python开发，采用随机森林构
建分类预测模型对miRNA-蛋白质关联关系进行分类研究，10-折交叉验证评估模型精度。样
本随机平均分成10份，其中1份用作测试集，剩余9份用作训练集。重复10次，使得10份中的
每一份都被作为测试集。最后，整合10次重复的结果，评估模型性能。具体步骤如下：

(1)装载正负样本数据；

(2)将正负样本数据随机平均分为10等分；

(3)运行随机森林；

(4)基于10折交叉验证评估模型性能；

(5)输出结果。

识别新的miRNA-蛋白质关联关系可看做是一个网络中缺失边的预测问题，即
miRNA-蛋白质网络是一个缺失了一些边的不完整的网络。本发明的目的是利用已有的关联
关系中构建分类器来预测miRNA与蛋白质之间是否存在关联关系，是个二分类问题。因此，
我们采用精确度(Accuracy，Acc)、敏感性(Sensitivity，Sen)、特异性(Specificity，Spe)、
准确率(Precision，Pre)、马氏相关系数(Matthew'scorrelation coefficient，Mcc)以及
受试者工作特征曲线(receiver operatingcharacteristic curve，ROC)和准确率-召回率
曲线(precision-recall curve，PRC)评估模型性能，其定义如下：

其中，TP表示模型正确预测出的正样本数目，TN表示模型正确预测出的负样本的
数目。FP表示错误预测的正样本数目。FN表示模型错误预测的负样本数目。通过改变阈值，
可以获得一系列的敏感性、特异性和准确率，分别以1-特异性和敏感性为横坐标，以敏感性
和准确率为纵坐标即可绘制ROC和PRC曲线，曲线下面积可用于衡量模型预测性能，面积值
越接近1表示模型性能越好，0.5表示随机预测。马氏相关系数是一个以测量两类分类质量
的常用的机器学习评估指标。这个系数的取值范围在-1到+1之间，系数越接近+1表示预测
接近完美，但是越接近-1表示预测结果与事实毫无一致性。

本发明具有以下有益效果：

本方法提出了基于miRNA-蛋白质网络的miRNA靶蛋白预测方法，运用牵连犯罪原
则，提取miRNA-蛋白质关联关系的特征，并与随机森林算法结合，建立了miRNA-靶蛋白预测
方法，具有以下优势：

(1)构建miRNA-蛋白质关联关系网络：整合miRNA-miRNA网络、miRNA-靶蛋白网络、
人类蛋白质-蛋白质互作网络，构建miRNA-蛋白质网络，能更好地研究miRNA调控靶蛋白的
多对多关系。

(2)研究具有网络拓扑结构特征的描述符：采用牵连犯罪原则，构建了miRNA与靶
蛋白关联关系的网络拓扑特征。

(3)研究了基于生物网络的分析框架：基于生物网络，研究了心脑血管疾病的相关
数据集，采用机器学习方法，预测miRNA靶蛋白。该技术可推广到其他疾病中，具有较好的应
用价值。

附图说明

图1为miRNA-蛋白质关联性预测方法示意图(即预测模型的结构)。

图2表示miRNA靶蛋白重叠显著性的计算方法。

图3为牵连犯罪原则示意图。

图4为实施例2中受试者操作特征曲线和精度-召回曲线(ROC和PRE曲线)。

图5为本发明方法与其它算法对比的ROC曲线。

图6为本发明方法与其它算法比较的PRC曲线。

具体实施方式

以下结合说明书附图和具体实施例来进一步说明本发明，但实施例并不对本发明
做任何形式的限定。除非特别说明，本发明采用的试剂、方法和设备为本技术领域常规试
剂、方法和设备。

除非特别说明，本发明所用试剂和材料均为市购。

实施例1 miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法

一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法，包括如下步骤：

1、分别构建以下三个子网络：

(1)构建基于HIPPIE的人类蛋白质-蛋白质相互作用网络(PPIN)

从HIPPIE数据库下载整个人类蛋白质-蛋白质相互作用数据，去除自相互作用、重
复相互作用以及相互作用得分为0的相互作用；根据蛋白质获得号，从UniprotKB/Swiss-
Prot数据库获取蛋白质序列信息(序列信息即一级结构数据)，计算氨基酸组成(20维)、二
肽组成(400维)、自相关描述符和组成(1221维)、转变(21维)和分布(105维)等共1767维蛋
白质一级结构描述符(一级结构描述符即一级结构特征)；

基于收集的信息，构建节点和边加权的人类蛋白质-蛋白质相互作用子网络；蛋白
质网络中节点权重是蛋白质1767维蛋白质一级结构描述符，边权重是蛋白质相互作用信任
得分；其中相互作用信任得分是蛋白质之间相互作用程度，数值介于0～1之间，数值越大，
作用程度越高，数值越小，作用程度越小。

(2)构建基于mirTARbase的miRNA-靶蛋白网络(miRNATarN)

从mirTARbase中搜集并整理miRNA-靶蛋白相互作用数据，根据miRNA的序列和结
构信息，计算核酸序列的组成(4维)、二核苷酸序列组成(16维)、三核苷酸序列组成(64维)、
基于K-mer分类的组成(90维)和伪二核苷酸组成(19维)，得到193个miRNA序列结构描述符；
基于收集的数据构建miRNA-靶蛋白互作网络；

在miRNA-靶蛋白互作网络中，miRNA节点权重是193维miRNA序列的结构描述符，靶
蛋白节点权重是1767维蛋白质一级结构描述符；如果miRNA和靶蛋白发生相互作用，则用一
条边连接，且边的权重为1。

(3)构建基于靶蛋白重叠构造的miRNA-miRNA网络(miRNAIN)

大量研究表明，miRNA之间有协同调控作用，如mir-375、mir-124、let-7b共同调控
Mtpn(肌侵蛋白)；因此，根据miRNA-靶蛋白相互作用数据，利用靶蛋白重叠的显著性来确定
miRNA之间的关联关系，构建miRNA-miRNA网络。

所述靶蛋白重叠的显著性的计算方法为：如图2所示，如果两个miRNA具有共同的
靶蛋白，则这miRNA相互之间用一条边连接，且边权重为并介于[0，1]之间；
其中|A|和|B|分别表示miRNA1和miRNA2的靶蛋白集的数目，|C|表示它们共同靶蛋白数目，
min(|A|，|B|)表示靶蛋白集A和B之间的最小数；节点权重是193维的miRNA序列结构描述
符。

2、构建融合的miRNA-靶蛋白关联关系网络：

根据蛋白质的获得号和miRNA分子在miRbase数据库中的ID号，合并三个子网络，
构建融合的miRNA-靶蛋白关联关系网络，包含163739条边和14265个节点；其中，153749条
边表示蛋白质-蛋白质相互作用，4634条边表示miRNA-miRNA关系，5356条边表示miRNA-靶
蛋白相互作用；在所有的节点中，14086个是蛋白质，179个是miRNA；

3、使用牵连犯罪原则来描述miRNA与蛋白质的关联情况

表征miRNA-靶蛋白的关联特征，预测潜在miRNA与靶蛋白相互作用关联关系。

(1)首先基于牵连犯罪原则，计算miRNA与人类蛋白的网络拓扑特征

首先，采用公式(1)计算miRNA(r)的网络拓扑结构特征、采用公式(2)计算靶蛋白p
的网络拓扑结构特征、通过公式(3)得到一个1960(193+1767)维的网络拓扑特征向量来描
述miRNA和其靶蛋白的关联关系：

具体方法如下：

查找miRNA-miRNA网络中，节点为r的miRNA，表示为miRNA(r)，其邻接miRNA总数为
N；考虑miRNA(r)的节点权重，与邻接miRNA的边权重和节点权重信息，采用公式(1)计算
miRNA(r)的网络拓扑结构特征；公式(1)中，R_r(i)和R_j(i)分别代表miRNA-miRNA网络中
miRNA(r)及其邻接点miRNA(j)的节点权重。E_r，j代表miRNA(r)与其邻接点miRNA(j)之间的
边权重。根据这个公式可知，RNTF_r是一个具有193维的特征向量。如果网络中的miRNA无邻
接点，则定义RNTF_r＝R_r；

其次，从人类蛋白质-蛋白质相互作用网络中查找靶蛋白p的邻接蛋白质，考虑靶
蛋白p的节点权重，与邻接蛋白的边权重和节点权重，采用公式(2)计算靶蛋白p的网络拓扑
结构特征；公式(2)中，P_p(i)和P_j(i)分别代表人类蛋白质-蛋白质网络中靶蛋白p和其邻接
蛋白j的节点权重；E_p，j代表靶蛋白p与其邻接蛋白j之间的边权重。N是邻接点的数目。根据
这个公式可知，PNTF_p是一个具有1767维的特征向量。如果网络中靶蛋白p无邻接点，则定义
PNTF_p＝P_p；

最后，同时考虑miRNA和靶蛋白的网络拓扑结构信息，通过公式(3)得到一个1960
(193+1767)维的网络拓扑特征向量来描述miRNA和其靶蛋白的关联关系。

其中，具体所述牵连犯罪原则如图3所示，牵连犯罪原则表明，若蛋白质的邻居蛋
白质大部分都与某种miRNA相互作用，那么该蛋白质更倾向于与该miRNA相互作用。在图3的
PPIN中，P2蛋白质的邻居P1和P3均与mir-3相互作用(黄色实线表示)，那么根据牵连犯罪原
则，P2蛋白质很可能与mir-3相互作用(蓝色虚线表示)。miRNAIN代表miRNA-miRNA网络，红
色实线表示miRNA间的相互作用。miRNATarN代表miRNA-靶蛋白网络，黄色实线表示实验验
证的miRNA与靶蛋白之间的相互作用。

(2)使用随机森林(RF)构建分类预测模型，预测潜在的miRNA与人类蛋白的相互作
用关系。

随机森林是一种组合方法，由许多的决策树组成，因为这些决策树的形成采用了
随机的方法，因此也叫做随机决策树。随机森林中的树之间是没有关联的，当测试数据进入
随机森林时，让每一棵决策树进行分类，最后取所有决策树中分类结果最多的那类为最终
的结果。步骤S32所述使用随机森林(RF)构建分类预测模型预测潜在的miRNA与人类蛋白的
相互作用关系的具体方法为(即模型构建与性能评价)：

本方法使用随机森林机器学习方法作为训练模型，算法来源于scikit-learn
(http://scikit-learn.org/stable/)工具包，整个程序使用python开发，采用随机森林构
建分类预测模型对miRNA-蛋白质关联关系进行分类研究，10-折交叉验证评估模型精度。样
本随机平均分成10份，其中1份用作测试集，剩余9份用作训练集。重复10次，使得10份中的
每一份都被作为测试集。最后，整合10次重复的结果，评估模型性能。具体步骤如下：

(1)装载正负样本数据；

(2)将正负样本数据随机平均分为10等分；

(3)运行随机森林；

(4)基于10折交叉验证评估模型性能；

(5)输出结果。

实施例2 以心脑血管疾病相关miRNA网络为例验证本发明的miRNA靶蛋白预测方
法

1、收集数据集，构建节点和边加权的miRNA-蛋白质相互作用网络

从HIPPIE数据库收集人类蛋白质-蛋白质相互作用数据，去除自相互作用、重复相
互作用以及相互作用得分为0的相互作用。根据蛋白质获得号，从UniprotKB/Swiss-Prot数
据库获取蛋白质一级结构数据，计算氨基酸组成、二肽组成、自相关描述符和组成、转变和
分布等蛋白质一级结构描述符。蛋白质网络中节点权重是1767维蛋白质一级结构特征，边
权重是相互作用信任得分。

从mirTARbase中搜集整理了miRNA与靶蛋白相互作用数据。在miRNA-靶蛋白相互
作用子网络中，miRNA节点权重是193维miRNA序列的结构描述符，靶蛋白节点权重是1767维
蛋白质一级结构描述符。如果miRNA和靶蛋白发生相互作用，则用一条边连接，且边的权重
为1。

从mir2Disease及Elsa Bronze-da-Rocha(Elsa Bronze-da-Rocha，MicroRNAs
Expression Profiles in Cardiovascular Diseases，BioMed Research International，
2014，Article ID 985408,23)收集的数据，得到与心脑血管疾病相关的200个miRNA，根据
miRNA与靶蛋白相互作用数据。基于靶蛋白重叠的显著性来确定miRNA之间的关联关系。
miRNA-miRNA网络中节点权重是193维miRNA序列的结构描述符，边权重为

2、基于牵连犯罪原则表征miRNA和蛋白质的网络拓扑结构特征

查找miRNA-miRNA网络中，节点为r的miRNA(表示为miRNA(r))，其邻接miRNA总数
为N。考虑miRNA(r)的节点权重，与邻接miRNA的边权重和节点权重信息，计算miRNA(r)的网
络拓扑结构特征。

公式中，R_r(i)和R_j(i)分别代表miRNA-miRNA网络中miRNA(r)及其邻接点miRNA(j)
的节点权重。E_r，j代表miRNA(r)与其邻接点miRNA(j)之间的边权重。根据这个公式可知，
RNTF_r是一个具有193维的特征向量。如果网络中的miRNA无邻接点，则定义RNTF_r＝R_r。

然后我们从人类蛋白质-蛋白质互作网络中查找靶蛋白p的邻接蛋白质，考虑靶蛋
白p的节点权重，与邻接蛋白的边权重和节点权重，计算靶蛋白p的网络拓扑结构特征。

公式中，P_p(i)和P_j(i)分别代表人类蛋白质-蛋白质网络中靶蛋白p和其邻接蛋白j
的节点权重；E_p，j代表靶蛋白p与其邻接蛋白j之间的边权重。N是邻接点的数目。根据这个公
式可知，PNTF_p是一个具有1767维的特征向量。如果网络中靶蛋白p无邻接点，则定义PNTF_p＝
P_p

最后，同时考虑miRNA和靶蛋白的网络拓扑结构信息，通过下式，得到一个1960
(193+1767)维的网络拓扑特征向量来描述miRNA和其靶蛋白的关联关系：

根据蛋白质的获得号和miRNA分子在miRbase数据库中的ID号，合并三个子网络，
构建融合的miRNA-靶蛋白关联关系网络，包含163739条边和14265个节点。其中，153749条
边表示蛋白质-蛋白质相互作用，4634条边表示miRNA-miRNA关系，5356条表示miRNA-靶蛋
白相互作用。在所有的节点中，14086个是蛋白质，179个是miRNA。

3、模型构建与性能评价

采用随机森林算法，构建模型并预测潜在miRNA-靶蛋白关联关系。训练集为从
mirTARbase下载的3932条实验验证的miRNA-靶蛋白相互作用数据和1238条实验验证的非
miRNA-靶蛋白相互作用数据。利用预测准确度、敏感性、特异性、精确度、马氏相关系数、受
试者操作特征曲线和精度-召回曲线评估模型预测性能。

4、结果

(1)模型性能

在采用随机算法构建预测模型中，树的数目按照步长100从100到1000取整数值，
每一个叶节点选择变量的数目分别按照步长2¹从2⁰到2⁷改变。采用格点搜索寻找两者的最
优组合。三分之二的样本考虑为袋内样本，三分之一考虑为袋外样本。随机产生10个负样本
数据集，10次统计平均结果如表1所示、最优模型的受试者操作特征曲线和精度-召回曲线
如图4所示。

表1 十折交叉验证结果

本方法的准确率、敏感性、特异性、精确度分别为91.38％，93.69％，88.71％，
94.04％，且ROC曲线下面积为0.9529，PRC曲线下面积为0.9656。

由以上实验结果可知，本方法基于miRNA-蛋白质网络上成功的采用牵连犯罪原
则，得到较高的预测精度。

(2)模型的鲁棒性

由于网络中的一些互作关系可能不是真实存在，故而网络中的每条边都有一个在
0～1之间的互作得分，分别选取蛋白质相互作用数高于0.1，0.2，……，0.8的8个数据集，输
入模型，并进行10折交叉验证，结果如表2所示。

表2 蛋白质相互作用数分别高于0.1，0.2，……，0.8的8个数据集的十折交叉验证
结果

由表2可以看出，当蛋白质相互作用得分阈值从0.1到0.8变化时，预测准确度高于
88％，并且得到准确率，敏感度，特异性，精确度的波动范围分别是[91.17，86.69]，[92.68，
88.68]，[88.91，83.98]，[93.16，88.32]，[0.8162，0.7272]，模型的波动性小，抗扰动。结果
表明，本方法所建立的模型对假阳性蛋白质相互作用具有很强的鲁棒性。

实施例3 与其他方法比较

目前现有技术中普遍使用的四种靶标预测方法，分别是PITA、miRanda、rna22和
targetspy，这些方法只是基于序列信息进行预测，例如匹配分析，二级结构预测，遗传保守
性分析等，而对于诸如基因表达、基因间相互调控的信息(如作用通路、蛋白质网络)等数据
没有合理的运用。

为此，使用Mark Menor(Mark Menor,Travers Ching,Xun Zhu,et al.mirMark:a
site-level and UTR-level classifier for miRNA target prediction[J].Genome
Biology,2014,15:500)等人所收集的数据集，取其中正样本253个，负样本362个作为一个
独立测试集。

将本发明的方法、PITA、miRanda、rna22和targetspy分别对此数据集进行分析，结
果如表3所示，ROC曲线和PRC曲线如图5及图6所示。

表3 各算法的ROC曲线下的面积

结果显示，对于现有技术中的独立测试集，本发明方法的准确率、敏感性、特异性、
精确度分别是92.20％，93.99％，91.10％和86.56％，比其它四种方法高了大约30％。马氏
相关系数是0.8370，比PITA高了约0.7，比miRanda高了约0.6，比rna22和targetspy高了约
0.8。从表3可知，文献中的四种方法的ROC曲线下面积在0.5-0.7之间，模型的预测性能接近
于随机预测，本方法曲线下的面积达到0.9以上。并且本方法PRC曲线下面积比其他四种方
法大0.4，可见本方法的预测性能优越。